VALENIAN可以模擬多種旋轉機械的振動情況，并可以通過INV306U數據采集系統與INV1612型多功能柔性轉子系統對系統振動情況進行采集、測量與分析。該系統可以進行轉子動平衡、臨界轉速、油膜渦動、摩擦振動、全息譜和非線性分岔圖等實驗，是一套非常適合于科研、教學和培訓演示的轉子實驗系統。旨在提供一個多用途，綜合型的系統平臺，為從事轉子動力學教學和研究的人員有針對性的深入研究創造良好的實驗與分析條件。昆山漢吉龍測控技術有限公司HOJOLO轉子平行軸齒輪箱、行星齒輪箱故障機理研究模擬實驗臺。天津風機故障機理研究模擬實驗臺

復雜裝備關鍵動部件故障預測與健康管理................................................................................1TY-01-01勵磁繞組短路與差異性負載組合下的汽輪發電機轉子振動特性分析...........1TY-01-02油液監測健康管理技術的研究與進展.............................................................12TY-01-03基于VMD-ReliefF的滾動軸承退化特征提取方法...........................................23TY-01-04數模聯合驅動的軸承故障深度遷移智能診斷方法.........................................28TY-01-05AReviewofMethodsforStructuralHealthMonitoringofAircraftLandingGear34TY-01-06FaultDiagnosisMethodofRollingBearingBasedonDTCWPTThresholdDenoising，CSCohandMSCNN............................................................................................40TY-01-漢吉龍故障機理研究模擬實驗臺傳感器故障機理研究模擬實驗臺的發展前景廣闊。

一階臨界轉速下振動峰值,一級轉子的不平衡。不平衡可能位于中間的轉子動平衡儀,也可能位于轉子的兩端。二階臨界轉速,轉子振動峰值,在二階轉子不平衡,不平衡轉子位于兩端,和反向階段兩端不平衡力的角度。2根據振動的工作速度工作速度轉子失衡類型判斷更為復雜,轉子和軸承之間的互相干擾影響較大的特征。振動的工作速度可分為兩種類型:1)反向階段組件。放電檢測器工作速度下轉子扭轉振動組件是更大、反對稱轉子不平衡。在大多數情況下反對稱林加重程度高,這種振動的工作速度比較容易平衡。2)同相分量。工作速度振動出現同相分量有三種可能性:一階不平衡,第三個訂單不平衡和懸臂式的轉子不平衡。

搭建PT500機械故障實驗臺過程中，在實驗臺關鍵位置設置4個三向加速度傳感器，共計12個信號采集通道用以測取軸承座振動信號。實驗臺共設置4個軸承座，各傳感器通過信號采集通道與軸承座連接，由于軸在運轉過程中不同方向的振動信號不同，將各傳感器的三個信號采集通道分別布置在軸承座的兩個徑向方向x、y與一個軸向方向z上，各軸承座與其連接通道在實驗臺中的位置如圖6所示。圖6中Ⅰ~Ⅳ為四個軸承座，Ch1~12對應12個信號采集通道，以CH1~3為例的三個方向通道布置位置如圖中右側所示，ChV對轉速進行測量，P為負載盤。轉子實驗臺通過兩個負載盤進行質量不平衡轉動實驗以模擬轉子系統的6種故障狀態，每種狀態的質量塊數量及分布情況如表2所示。在安裝質量盤的過程中，單個負載盤負載時，將質量塊集中布置；兩個負載盤同時負載時，質量塊的安裝位置呈180°。故障機理研究模擬實驗臺的穩定性至關重要。

DC24階次分析軟件特點?采用先進的數字跟蹤濾波和重采樣技術，對振動信號進行整周期采樣，實現無泄露、極陡峭的階次分析?每個瞬態信號都能連續進行采集、分析和保存，保證了數據的完整性?數據實時顯示、分析和處理，也可事后分析包絡分析功能特點?軟件包絡解調?通過包絡解調技術，實時測量，實時顯示包絡譜扭振分析功能特點?實時扭振角速度、角度計算與顯示?支持扭振徑向誤差修正，提高測試精度?實時扭振時程曲線、實時扭振角程曲線?實時頻域分析和顯示?扭振模態計算、分析和顯示故障機理研究模擬實驗臺的技術不斷更新。四川機電故障機理研究模擬實驗臺

故障機理研究模擬實驗臺的研發是一項艱巨的任務。天津風機故障機理研究模擬實驗臺

RFT1000柔性轉子測試臺主要由，底座，驅動電機、聯軸器、光電傳感器支架、兩跨支撐滑動軸承、轉子盤、摩擦支架、潤滑油杯。對于某一轉速下的六種轉子故障數據，所提模型辨識精度較高，然而實際情況下旋轉機械轉子運轉的轉速并不***，并會受到速度波動的干擾。因此，需要對本章模型在不同工況下轉子故障數據的適用性進行驗證。通過多通道對旋轉機械進行信號采集，能獲取較為豐富的機械設備故障信息，有利于旋轉機械故障診斷的實施。所提ME-ELM方法以集成學習為基礎，利用各通道采集信號的差異性構建集成模型，通過相對多數投票法從決策層融合的角度對多通道故障信息進行融合，相較于單通道ELM模型有較高辨識精度和較好穩定性。對比常用的故障診斷分類模型，ME-ELM仍具有較高辨識精度，并且適用于不同工況故障數據，能夠很好適用于多信號采集通道監測的旋轉機械故障診斷。天津風機故障機理研究模擬實驗臺